Maximizing the Variance of $M$-Estimators Using the Generalized Method of Moment Spaces
利用广义矩空间方法最大化M估计量的方差AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要属于稳健估计与凸优化的一般理论，未直接涉及所列经济领域细分。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
利用广义矩空间方法最大化M估计量的方差
- 研究问题
- 如何把无限维凸分布集合上的函数优化化为有限维问题，并用于求稳健估计中M估计量的最坏渐近方差？
- 方法与思路
- 作者针对有限个线性泛函组成的目标函数推广矩空间方法，在一定条件下转化为有限维优化，通常涉及集合极端点的凸组合。
- 材料陈述的贡献
- 摘要称，该方法能够简化一类无限维优化问题，并用于寻找稳健估计相关分布类中M估计量的最大渐近方差。
- 阅读关注点
- 核对凸集合及线性泛函的定义、有限维化所需条件和极端点结构，并检查方差上界是否达到及最坏分布如何构造。
- 阅读边界
- 仅据版本未注明的OpenAlex摘要；具体分布类、条件和最大方差未提供。矩空间方法不能仅凭名称等同于广义矩估计。
原文摘要
The problem considered is that of optimizing a function of a finite number of linear functionals over an infinite dimensional convex set $S$. It is shown that under some reasonably general conditions the method of moment spaces can be used to reduce the problem to one of optimizing over a simple finite dimensional set (generally a set of convex combinations of extreme points of $S$). The results are applied to finding the maximum asymptotic variance of M-estimators over classes of distributions arising in the theory of robust estimation.